A conversão de fala em texto em português no Potok é um idioma recomendado. Testes publicados do modelo large-v3 indicam uma taxa de erro de palavras de 3.65 para o português em geral, vinda do trabalho de terceiros, não de medição nossa. Envie mensagens de voz, áudio ou vídeo para o bot, seja qual for o seu sotaque.
Transcreva uma gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram
Arquivos de até 2 GB · exportação em TXT, MD, DOCX, PDF, SRT e VTT · identificação de falantes e marcação de tempo · cerca de 30 idiomas
Pontos principais
- O número 3.65 vale para o português como um todo; os sotaques brasileiro e europeu não foram informados separadamente.
- A grafia difere um pouco entre o Brasil e Portugal, então a mesma frase pode ser escrita de uma forma ou de outra.
- As vogais na fala europeia costumam ser reduzidas, o que pode dificultar a fala rápida em comparação com uma leitura lenta e cuidadosa.
- Letras acentuadas e a terminação nasal marcada com til fazem parte do resultado normal; confira se aparecem no seu editor.
Como é uma transcrição
[00:00] Falante 1: Vamos começar a reunião. Primeiro, vamos revisar os resultados da semana passada e depois planejar os próximos passos.Significado em português: Let's start the meeting. First, we'll review last week's results, then plan the next steps.
Escrita por nós para mostrar a escrita e o formato de uma transcrição. Não é o resultado do mecanismo de reconhecimento.
Qualidade publicada
| Idioma | Avaliação | Resultado publicado | Observações |
|---|---|---|---|
| Português | Recomendado | taxa de erro de palavras 3.65% (large-v3, FLEURS) Canary-1B-v2 paper | Testes publicados mostram uma taxa de erro baixa neste idioma. |
Estes números vêm de testes publicados por outras pessoas, não de testes do Potok. Seu próprio áudio, com ruído, sotaques e microfone, pode dar resultados diferentes.
Como fazer
- Decida qual variedade você espera. Anote se o falante é brasileiro ou europeu para saber para qual grafia editar.
- Envie a gravação. Abra @potok_now_bot e anexe o arquivo, encaminhe uma mensagem de voz ou cole um link do YouTube.
- Arquivos grandes. O limite é 2 GB; o botão Upload do mini app serve para os maiores arquivos.
- Compare um minuto de ouvido. Ouça o primeiro minuto enquanto lê a transcrição. Se bater, o resto provavelmente está próximo.
- Padronize a grafia. Escolha uma variedade e troque as poucas palavras que seguem a outra.
- Exporte. TXT, MD, DOCX, PDF, SRT ou VTT; resultados curtos são enviados no chat.
| Recurso | Detalhes |
|---|---|
| Onde funciona | Bot do Telegram @potok_now_bot; arquivos grandes passam pelo mini app do bot |
| Tamanho do arquivo | Até 2 GB |
| Exportação | TXT, MD, DOCX, PDF, SRT, VTT |
| Falantes e tempo | É possível ativar a identificação de falantes e a marcação de tempo |
| Idiomas | Cerca de 30 idiomas com bons resultados publicados; mais alguns com ressalvas |
| Tradução | A transcrição não é traduzida para outro idioma |
| Ditado | Um app de computador Potok separado permite ditar texto em qualquer programa; ele reconhece fala em russo |
Erros comuns
| Erro | O que acontece | Solução |
|---|---|---|
| Achar que um único sotaque foi testado | O número publicado não separa a fala brasileira da europeia. | Teste um trecho curto do seu próprio falante. |
| Misturar as duas grafias no documento final | Os leitores notam a inconsistência. | Decida por uma variedade antes de editar. |
| Tratar 3.65 como prova de um arquivo limpo | Gravações reais têm mais ruído que os conjuntos de teste. | Revise nomes e números. |
| Deixar de fora as marcações de tempo nas legendas de vídeo | O texto não pode ser alinhado à imagem. | Ative as marcações de tempo e exporte em SRT ou VTT. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Qual português foi testado?
O número publicado vale para o português em geral. Os sotaques brasileiro e europeu não foram informados separadamente.
O 3.65 é um resultado de vocês?
Não. É um resultado publicado por outras pessoas para o modelo large-v3.
O bot escolhe uma variedade de grafia?
Ele escreve o que ouve, então confira as escolhas de grafia que diferem entre o Brasil e Portugal.
A transcrição pode ser convertida para outro idioma?
Não. O texto é escrito em português, o idioma da gravação, e o bot não gera outra versão.
Uma aula longa tem problema?
Não, um arquivo de até 2 GB é aceito, e um resultado longo volta como arquivo.
Fontes
Cada fonte foi aberta manualmente na data indicada. As páginas mudam, então abra a fonte se algum detalhe for importante para você.
- Word error rate (Wikipedia), Wikipedia · verificado em
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · verificado em
- Canary-1B-v2 paper, Table 11 (Whisper large-v3 on FLEURS) · verificado em
Teste com a sua própria gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram